stanford_mask_vit_converted_externally_to_rlds

  • Opis :

Sawyer pchający i zbierający przedmioty w koszu

Podział Przykłady
'train' 9109
'val' 91
  • Struktura funkcji :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(5,), dtype=float32, description=Robot action, consists of [3x change in end effector position, 1x gripper yaw, 1x open/close gripper (-1 means to open the gripper, 1 means close)].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'end_effector_pose': Tensor(shape=(5,), dtype=float32, description=Robot end effector pose, consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position]. This is the state used in the MaskViT paper.),
            'finger_sensors': Tensor(shape=(1,), dtype=float32, description=1x Sawyer gripper finger sensors.),
            'high_bound': Tensor(shape=(5,), dtype=float32, description=High bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'image': Image(shape=(480, 480, 3), dtype=uint8, description=Main camera RGB observation.),
            'low_bound': Tensor(shape=(5,), dtype=float32, description=Low bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'state': Tensor(shape=(15,), dtype=float32, description=Robot state, consists of [7x robot joint angles, 7x robot joint velocities,1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
metadane_odcinka/ścieżka_pliku Tekst smyczkowy Ścieżka do oryginalnego pliku danych.
kroki Zbiór danych
kroki/akcja Napinacz (5,) pływak32 Akcja robota składa się z [3x zmiany położenia efektora końcowego, 1x odchylenia chwytaka, 1x otwarcia/zamknięcia chwytaka (-1 oznacza otwarcie chwytaka, 1 oznacza zamknięcie)].
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie 1.
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst smyczkowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/pozycja_efektora końcowego Napinacz (5,) pływak32 Pozycja efektora końcowego robota składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka]. Jest to stan zastosowany w artykule MaskViT.
kroki/obserwacja/czujniki_palców Napinacz (1,) pływak32 1x czujniki palcowe chwytaka Sawyer.
kroki/obserwacja/wysoki_ograniczony Napinacz (5,) pływak32 Wysoka granica normalizacji pozycji efektora końcowego. Składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka].
kroki/obserwacja/obraz Obraz (480, 480, 3) uint8 Obserwacja RGB z głównej kamery.
kroki/obserwacja/low_bound Napinacz (5,) pływak32 Dolna granica normalizacji położenia efektora końcowego. Składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka].
kroki/obserwacja/stan Napinacz (15,) pływak32 Stan robota, składa się z [7x kątów przegubów robota, 7x prędkości przegubów robota, 1x położenie chwytaka].
kroki/nagroda Skalarny pływak32 Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych.
@inproceedings{gupta2022maskvit,
  title={MaskViT: Masked Visual Pre-Training for Video Prediction},
  author={Agrim Gupta and Stephen Tian and Yunzhi Zhang and Jiajun Wu and Roberto Martín-Martín and Li Fei-Fei},
  booktitle={International Conference on Learning Representations},
  year={2022}
}